4.5.4 Đối tác với sức mạnh

Hợp tác có thể làm giảm chi phí và tăng quy mô, nhưng nó có thể làm thay đổi các loại của người tham gia, phương pháp điều trị, và kết quả mà bạn có thể sử dụng.

Cách khác để tự mình làm là hợp tác với một tổ chức mạnh mẽ như công ty, chính phủ hoặc NGO. Lợi thế khi làm việc với đối tác là họ có thể cho phép bạn chạy thử nghiệm mà bạn không thể tự làm. Ví dụ, một trong những thí nghiệm mà tôi sẽ cho bạn biết về dưới đây liên quan đến 61 triệu người tham gia - không có nhà nghiên cứu cá nhân nào có thể đạt được quy mô đó. Đồng thời hợp tác làm tăng những gì bạn có thể làm, nó cũng hạn chế bạn. Ví dụ: hầu hết các công ty sẽ không cho phép bạn chạy thử nghiệm có thể gây hại cho doanh nghiệp hoặc danh tiếng của họ. Làm việc với các đối tác cũng có nghĩa là khi có thời gian xuất bản, bạn có thể phải chịu áp lực “tái khung” kết quả của mình và một số đối tác thậm chí có thể cố gắng chặn ấn bản công việc của bạn nếu nó làm cho chúng trông xấu. Cuối cùng, hợp tác cũng đi kèm với chi phí liên quan đến việc phát triển và duy trì các hợp tác này.

Thách thức cốt lõi cần phải được giải quyết để làm cho các mối quan hệ hợp tác thành công là tìm cách cân bằng lợi ích của cả hai bên, và một cách hữu ích để suy nghĩ về sự cân bằng đó là Quadrant của Pasteur (Stokes 1997) . Nhiều nhà nghiên cứu nghĩ rằng nếu họ đang làm việc trên một cái gì đó thực tế - cái gì đó có thể được quan tâm đến một đối tác - sau đó họ không thể làm khoa học thực sự. Tư duy này sẽ làm cho nó rất khó khăn để tạo ra quan hệ đối tác thành công, và nó cũng sẽ xảy ra là hoàn toàn sai. Vấn đề với cách suy nghĩ này được minh họa một cách tuyệt vời bởi nghiên cứu đột phá của nhà sinh vật học Louis Pasteur. Trong khi làm việc trên một dự án lên men thương mại để chuyển đổi nước ép củ cải thành rượu, Pasteur phát hiện ra một loại vi sinh vật mới mà cuối cùng dẫn đến lý thuyết mầm bệnh. Phát hiện này đã giải quyết được một vấn đề rất thiết thực - nó giúp cải thiện quá trình lên men - và nó dẫn đến một tiến bộ khoa học lớn. Vì vậy, hơn là suy nghĩ về nghiên cứu với các ứng dụng thực tế như đang xung đột với nghiên cứu khoa học thực sự, tốt hơn là nghĩ về chúng như hai chiều không gian riêng biệt. Nghiên cứu có thể được thúc đẩy bằng cách sử dụng (hoặc không), và nghiên cứu có thể tìm kiếm sự hiểu biết cơ bản (hay không). Một cách nghiêm túc, một số nghiên cứu như Pasteur có thể được thúc đẩy bởi việc sử dụng và tìm kiếm sự hiểu biết cơ bản (hình 4.17). Nghiên cứu trong góc phần tư của Pasteur - nghiên cứu vốn đã thúc đẩy hai mục tiêu - là lý tưởng cho sự hợp tác giữa các nhà nghiên cứu và đối tác. Với bối cảnh đó, tôi sẽ mô tả hai nghiên cứu thử nghiệm với quan hệ đối tác: một với một công ty và một với một tổ chức phi chính phủ.

Hình 4.17: Góc phần tư của Pasteur (Stokes 1997) . Thay vì nghĩ đến nghiên cứu là "cơ bản" hoặc "được áp dụng", tốt hơn là nghĩ về nó như là động lực bằng cách sử dụng (hay không) và tìm kiếm sự hiểu biết cơ bản (hay không). Một ví dụ về nghiên cứu mà cả hai được thúc đẩy bởi sử dụng và tìm kiếm sự hiểu biết cơ bản là công việc của Pasteur về chuyển đổi nước ép củ cải thành rượu dẫn đến lý thuyết mầm bệnh. Đây là loại công việc phù hợp nhất cho quan hệ đối tác với người mạnh mẽ. Ví dụ về công việc được thúc đẩy bằng cách sử dụng nhưng điều đó không tìm kiếm sự hiểu biết cơ bản đến từ Thomas Edison, và ví dụ về công việc không được thúc đẩy bởi việc sử dụng nhưng tìm kiếm sự hiểu biết đến từ Niels Bohr. Xem Stokes (1997) để có một cuộc thảo luận kỹ lưỡng hơn về khuôn khổ này và mỗi trường hợp này. Chuyển thể từ Stokes (1997) , hình 3.5.

Các công ty lớn, đặc biệt là các công ty công nghệ, đã phát triển cơ sở hạ tầng cực kỳ tinh vi để chạy thử nghiệm phức tạp. Trong ngành công nghệ cao, các thử nghiệm này thường được gọi là thử nghiệm A / B vì chúng so sánh hiệu quả của hai phương pháp điều trị: A và B. Các thử nghiệm như vậy thường chạy cho những thứ như tăng tỷ lệ nhấp trên quảng cáo, nhưng cơ sở hạ tầng thử nghiệm tương tự cũng có thể được sử dụng cho nghiên cứu nâng cao hiểu biết khoa học. Một ví dụ minh họa tiềm năng của loại nghiên cứu này là một nghiên cứu được thực hiện bởi sự hợp tác giữa các nhà nghiên cứu tại Facebook và Đại học California, San Diego, về tác động của các thông điệp khác nhau trên cử tri cử tri (Bond et al. 2012) .

Vào ngày 2 tháng 11 năm 2010 — ngày bầu cử quốc hội Hoa Kỳ — tất cả 61 triệu người dùng Facebook đã sống ở Hoa Kỳ và từ 18 tuổi trở lên đã tham gia thử nghiệm về bầu cử. Khi truy cập Facebook, người dùng được phân ngẫu nhiên vào một trong ba nhóm, xác định biểu ngữ nào (nếu có) được đặt ở đầu Nguồn cấp tin tức của họ (hình 4.18):

• một nhóm kiểm soát
• một thông báo về việc bỏ phiếu với nút “Tôi đã bỏ phiếu” có thể nhấp và một bộ đếm (Thông tin)
• một thông báo về việc bỏ phiếu với nút "Tôi đã bỏ phiếu" có thể nhấp và một bộ đếm cộng với tên và hình ảnh của bạn bè của họ đã nhấp vào "Tôi đã bỏ phiếu" (Thông tin + Xã hội)

Bond và các đồng nghiệp đã nghiên cứu hai kết cục chính: hành vi bỏ phiếu được báo cáo và hành vi bỏ phiếu thực tế. Đầu tiên, họ nhận thấy rằng những người trong nhóm Xã hội + Thông tin có nhiều khả năng hơn hai người trong nhóm Thông tin để nhấp vào “Tôi đã bỏ phiếu” (khoảng 20% ​​so với 18%). Hơn nữa, sau khi các nhà nghiên cứu sáp nhập dữ liệu của họ với các hồ sơ bỏ phiếu công khai cho khoảng 6 triệu người, họ nhận thấy rằng những người trong nhóm Info + Social có tỷ lệ bỏ phiếu cao hơn 0,39 điểm phần trăm so với những người trong nhóm kiểm soát và những người trong nhóm Thông tin cũng giống như những người trong nhóm kiểm soát (hình 4.18).

Hình 4.18: Kết quả từ một thử nghiệm bỏ phiếu trên Facebook (Bond et al. 2012) . Những người tham gia trong nhóm Thông tin đã bỏ phiếu với tỷ lệ giống như những người trong nhóm kiểm soát, nhưng những người trong nhóm Info + Social đã bỏ phiếu với tỷ lệ cao hơn một chút. Các thanh biểu diễn khoảng tin cậy 95% ước tính. Các kết quả trong biểu đồ cho khoảng sáu triệu người tham gia đã được so khớp với các hồ sơ biểu quyết. Chuyển thể từ Bond et al. (2012) , hình 1.

Kết quả của thử nghiệm này cho thấy một số thông điệp bỏ phiếu trực tuyến có hiệu quả hơn các thông điệp khác và ước tính của nhà nghiên cứu về tính hiệu quả có thể phụ thuộc vào kết quả được báo cáo biểu quyết hay bỏ phiếu thực tế. Thí nghiệm này không may không đưa ra bất kỳ manh mối nào về các cơ chế mà qua đó thông tin xã hội - mà một số nhà nghiên cứu đã tinh nghịch gọi là “đống khuôn mặt” - bỏ phiếu bầu cử. Nó có thể là các thông tin xã hội tăng xác suất mà ai đó nhận thấy các biểu ngữ hoặc nó tăng xác suất mà một người nhận thấy các biểu ngữ thực sự bình chọn hoặc cả hai. Vì vậy, thí nghiệm này cung cấp một phát hiện thú vị mà các nhà nghiên cứu khác có thể sẽ khám phá (xem, ví dụ, Bakshy, Eckles, et al. (2012) ).

Ngoài việc thúc đẩy các mục tiêu của các nhà nghiên cứu, thí nghiệm này cũng nâng cao mục tiêu của tổ chức đối tác (Facebook). Nếu bạn thay đổi hành vi được nghiên cứu từ bỏ phiếu sang mua xà phòng, thì bạn có thể thấy rằng nghiên cứu có cùng cấu trúc giống như một thử nghiệm để đo lường tác động của quảng cáo trực tuyến (xem ví dụ, RA Lewis and Rao (2015) ). Những nghiên cứu hiệu quả quảng cáo này thường xuyên đo lường ảnh hưởng của việc tiếp xúc với quảng cáo trực tuyến — các phương pháp điều trị tại Bond et al. (2012) về cơ bản là quảng cáo bỏ phiếu — về hành vi ngoại tuyến. Do đó, nghiên cứu này có thể nâng cao khả năng của Facebook để nghiên cứu hiệu quả của quảng cáo trực tuyến và có thể giúp Facebook thuyết phục các nhà quảng cáo tiềm năng rằng quảng cáo Facebook có hiệu quả trong việc thay đổi hành vi.

Mặc dù lợi ích của các nhà nghiên cứu và đối tác chủ yếu là phù hợp trong nghiên cứu này, họ cũng là một phần trong căng thẳng. Đặc biệt, việc phân bổ những người tham gia vào ba nhóm — kiểm soát, Thông tin và Thông tin + Xã hội — vô cùng mất cân bằng: 98% mẫu được gán cho Info + Social. Sự phân bổ không cân bằng này không có hiệu quả về mặt thống kê, và phân bổ tốt hơn nhiều cho các nhà nghiên cứu sẽ có một phần ba số người tham gia trong mỗi nhóm. Nhưng sự phân bổ không cân bằng xảy ra bởi vì Facebook muốn tất cả mọi người nhận được điều trị Info + Social. May mắn thay, các nhà nghiên cứu đã thuyết phục họ giữ lại 1% cho một điều trị liên quan và 1% người tham gia cho một nhóm kiểm soát. Nếu không có nhóm kiểm soát, về cơ bản thì không thể đo lường hiệu quả của việc điều trị Thông tin + Xã hội vì nó sẽ là một thử nghiệm “xáo trộn và quan sát” hơn là một thử nghiệm ngẫu nhiên có đối chứng. Ví dụ này cung cấp một bài học có giá trị để làm việc với các đối tác: đôi khi bạn tạo ra một thử nghiệm bằng cách thuyết phục một người nào đó điều trị và đôi khi bạn tạo ra một thử nghiệm bằng cách thuyết phục một người nào đó không đưa ra một biện pháp điều trị (tức là tạo nhóm kiểm soát).

Quan hệ đối tác không phải lúc nào cũng cần liên quan đến các công ty công nghệ và thử nghiệm A / B với hàng triệu người tham gia. Ví dụ, Alexander Coppock, Andrew Guess và John Ternovski (2016) hợp tác với một tổ chức phi chính phủ về môi trường - Liên đoàn Cử tri Bảo tồn - để chạy thử nghiệm thử nghiệm các chiến lược khác nhau để thúc đẩy huy động xã hội. Các nhà nghiên cứu đã sử dụng tài khoản Twitter của tổ chức phi chính phủ để gửi cả tin nhắn công khai và tin nhắn trực tiếp riêng tư nhằm cố gắng đưa ra các loại danh tính khác nhau. Sau đó, họ đo những thông điệp nào trong số những thông điệp này có hiệu quả nhất để khuyến khích mọi người ký một bản kiến ​​nghị và retweet thông tin về một bản kiến ​​nghị.

Nhìn chung, việc hợp tác với các phép mạnh mẽ cho phép bạn hoạt động ở quy mô khó thực hiện, và bảng 4.3 đưa ra các ví dụ khác về quan hệ đối tác giữa các nhà nghiên cứu và các tổ chức. Việc hợp tác có thể dễ dàng hơn nhiều so với việc xây dựng thử nghiệm của riêng bạn. Nhưng những lợi thế này đi kèm với nhược điểm: quan hệ đối tác có thể giới hạn các loại người tham gia, phương pháp điều trị và kết quả mà bạn có thể nghiên cứu. Hơn nữa, các quan hệ đối tác này có thể dẫn đến những thách thức về đạo đức. Cách tốt nhất để phát hiện ra một cơ hội cho quan hệ đối tác là để ý một vấn đề thực sự mà bạn có thể giải quyết trong khi bạn đang làm khoa học thú vị. Nếu bạn không quen với cách nhìn thế giới này, có thể khó phát hiện vấn đề trong Quadrant của Pasteur, nhưng, với thực tế, bạn sẽ bắt đầu chú ý đến chúng nhiều hơn và nhiều hơn nữa.